基于特征信息提取的船舶檢測(cè)與跟蹤方法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤在技術(shù)上涉及視頻處理、圖像處理、模式識(shí)別、智能算法以及認(rèn)知系統(tǒng)等多個(gè)領(lǐng)域。本課題以某海纜鋪設(shè)海域的監(jiān)控視頻為研究對(duì)象，通過圖像處理技術(shù)，對(duì)監(jiān)控海域內(nèi)通行的船舶進(jìn)行自動(dòng)檢測(cè)和跟蹤，有助于減少海纜事故幾率以及保障電網(wǎng)的安全穩(wěn)定運(yùn)行。
　　本文研究了圖像預(yù)處理基本技術(shù)和常用的目標(biāo)檢測(cè)方法，根據(jù)船舶運(yùn)動(dòng)緩慢且運(yùn)動(dòng)方向固定的特點(diǎn)，選用高斯混合模型進(jìn)行背景建模，克服了背景差分對(duì)外界環(huán)境尤其是光照敏感的缺點(diǎn)，并采用自適應(yīng)背景差

2、分法完成了船舶檢測(cè)。
　　本文采用Canny算子提取視頻圖像中船舶正負(fù)樣本的邊緣，并計(jì)算其七階 Hu不變矩。這一特征值完全反映了正負(fù)樣本的邊緣信息。利用所提取特征值，分別設(shè)計(jì)了基于支持向量機(jī)（support vector machine，SVM）和相關(guān)向量機(jī)（relevance vector machine，RVM）的分類器對(duì)船舶圖像進(jìn)行識(shí)別，并優(yōu)化分類器參數(shù)，提高船舶識(shí)別準(zhǔn)確率。根據(jù)識(shí)別效果和分類器評(píng)價(jià)，選取基于RVM的分類器完